Buchumschlag

Data Augmentation Improves Machine Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Falcao, Andreza M. C., Cordeiro, Filipe R.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Does Machine Unlearning Preserve Clinical Safety? A Risk Analysis for Medical Image Classification
von: Falcao, Andreza M. C., et al.
Veröffentlicht: (2026)

Analise de Desaprendizado de Maquina em Modelos de Classificacao de Imagens Medicas
von: Falcao, Andreza M. C., et al.
Veröffentlicht: (2025)

LoReUn: Data Itself Implicitly Provides Cues to Improve Machine Unlearning
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Privacy-Preserving Debiasing using Data Augmentation and Machine Unlearning
von: Pan, Zhixin, et al.
Veröffentlicht: (2024)

Deep Unlearn: Benchmarking Machine Unlearning for Image Classification
von: Cadet, Xavier F., et al.
Veröffentlicht: (2024)

Zero-Shot Machine Unlearning with Proxy Adversarial Data Generation
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

Towards Aligned Data Removal via Twin Machine Unlearning
von: Ji, Haoxuan, et al.
Veröffentlicht: (2024)

Fair Machine Unlearning: Data Removal while Mitigating Disparities
von: Oesterling, Alex, et al.
Veröffentlicht: (2023)

ErrorEraser: Unlearning Data Bias for Improved Continual Learning
von: Cao, Xuemei, et al.
Veröffentlicht: (2025)

Machine Unlearning of Traffic State Estimation and Prediction
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Agentic Unlearning: When LLM Agent Meets Machine Unlearning
von: Wang, Bin, et al.
Veröffentlicht: (2026)

Unlearning Information Bottleneck: Machine Unlearning of Systematic Patterns and Biases
von: Han, Ling, et al.
Veröffentlicht: (2024)

Machine Unlearning under Overparameterization
von: Block, Jacob L., et al.
Veröffentlicht: (2025)

Group-robust Machine Unlearning
von: De Min, Thomas, et al.
Veröffentlicht: (2025)

Soft Weighted Machine Unlearning
von: Qiao, Xinbao, et al.
Veröffentlicht: (2025)

Machine Unlearning: Solutions and Challenges
von: Xu, Jie, et al.
Veröffentlicht: (2023)

A Survey of Machine Unlearning
von: Nguyen, Thanh Tam, et al.
Veröffentlicht: (2022)

Machine Unlearning in Contrastive Learning
von: Wang, Zixin, et al.
Veröffentlicht: (2024)

Losing is for Cherishing: Data Valuation Based on Machine Unlearning and Shapley Value
von: Ma, Le, et al.
Veröffentlicht: (2025)

Improving Machine Learning Performance with Synthetic Augmentation
von: Sohm, Mel, et al.
Veröffentlicht: (2026)

SIMU: Selective Influence Machine Unlearning
von: Agarwal, Anu, et al.
Veröffentlicht: (2025)

Debiasing Machine Unlearning with Counterfactual Examples
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

An Information Theoretic Approach to Machine Unlearning
von: Foster, Jack, et al.
Veröffentlicht: (2024)

Verifying Machine Unlearning with Explainable AI
von: Vidal, Àlex Pujol, et al.
Veröffentlicht: (2024)

Towards Reliable Testing of Machine Unlearning
von: Mazhar, Anna, et al.
Veröffentlicht: (2026)

Efficient Machine Unlearning via Influence Approximation
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

Feature-Selective Representation Misdirection for Machine Unlearning
von: Chen, Taozhao, et al.
Veröffentlicht: (2025)

Machine Unlearning in Low-Dimensional Feature Subspace
von: Fang, Kun, et al.
Veröffentlicht: (2026)

Machine Unlearning via Null Space Calibration
von: Chen, Huiqiang, et al.
Veröffentlicht: (2024)

On the Limitations and Prospects of Machine Unlearning for Generative AI
von: Zhou, Shiji, et al.
Veröffentlicht: (2024)

A More Practical Approach to Machine Unlearning
von: Zagardo, David
Veröffentlicht: (2024)

Module-Aware Parameter-Efficient Machine Unlearning on Transformers
von: Bao, Wenjie, et al.
Veröffentlicht: (2025)

Auditing Approximate Machine Unlearning for Differentially Private Models
von: Gu, Yuechun, et al.
Veröffentlicht: (2025)

Tool Unlearning for Tool-Augmented LLMs
von: Cheng, Jiali, et al.
Veröffentlicht: (2025)

Machine Unlearning with Minimal Gradient Dependence for High Unlearning Ratios
von: Huang, Tao, et al.
Veröffentlicht: (2024)

Position: Bridge the Gaps between Machine Unlearning and AI Regulation
von: Marino, Bill, et al.
Veröffentlicht: (2025)

Efficient Utility-Preserving Machine Unlearning with Implicit Gradient Surgery
von: Zhou, Shiji, et al.
Veröffentlicht: (2025)

The Right to be Forgotten in Pruning: Unveil Machine Unlearning on Sparse Models
von: Xiao, Yang, et al.
Veröffentlicht: (2025)

Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Unified Gradient-Based Machine Unlearning with Remain Geometry Enhancement
von: Huang, Zhehao, et al.
Veröffentlicht: (2024)